論文の概要: A Novel Deep Reinforcement Learning Based Stock Direction Prediction
using Knowledge Graph and Community Aware Sentiments
- arxiv url: http://arxiv.org/abs/2107.00931v1
- Date: Fri, 2 Jul 2021 09:39:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-05 12:57:25.133644
- Title: A Novel Deep Reinforcement Learning Based Stock Direction Prediction
using Knowledge Graph and Community Aware Sentiments
- Title(参考訳): 知識グラフとコミュニティ認識感情を用いた新しい深層強化学習に基づくストック方向予測
- Authors: Anil Berk Altuner, Zeynep Hilal Kilimci
- Abstract要約: 提案手法は,市場予測タスクにおいて顕著な結果をもたらす。
このモデルの有効性を示すために、イスタンブール証券取引所のGaranti Bank(GARAN)、Akbank(AKBNK)、T'urkiye.Ics Bankasi(ISCTR)の株がケーススタディとして使用されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Stock market prediction has been an important topic for investors,
researchers, and analysts. Because it is affected by too many factors, stock
market prediction is a difficult task to handle. In this study, we propose a
novel method that is based on deep reinforcement learning methodologies for the
direction prediction of stocks using sentiments of community and knowledge
graph. For this purpose, we firstly construct a social knowledge graph of users
by analyzing relations between connections. After that, time series analysis of
related stock and sentiment analysis is blended with deep reinforcement
methodology. Turkish version of Bidirectional Encoder Representations from
Transformers (BerTurk) is employed to analyze the sentiments of the users while
deep Q-learning methodology is used for the deep reinforcement learning side of
the proposed model to construct the deep Q network. In order to demonstrate the
effectiveness of the proposed model, Garanti Bank (GARAN), Akbank (AKBNK),
T\"urkiye \.I\c{s} Bankas{\i} (ISCTR) stocks in Istanbul Stock Exchange are
used as a case study. Experiment results show that the proposed novel model
achieves remarkable results for stock market prediction task.
- Abstract(参考訳): 株式市場の予測は投資家、研究者、アナリストにとって重要なトピックだ。
あまりにも多くの要因に影響されているため、株式市場の予測は扱いにくい。
本研究では,地域社会の感情と知識グラフを用いた株式の方向性予測のための深層強化学習手法に基づく新しい手法を提案する。
この目的のために,まず接続関係を解析し,ユーザの社会的知識グラフを構築する。
その後、関連するストックと感情分析の時系列分析と深い補強手法をブレンドする。
トルコ版のトランスフォーマー(berturk)による双方向エンコーダ表現は、ユーザの感情分析に用いられ、深層q学習手法は、深層qネットワークを構築するために提案されたモデルの深層強化学習側に使用されている。
このモデルの有効性を示すために、イスタンブール証券取引所のGaranti Bank(GARAN)、Akbank(AKBNK)、T\"urkiye \.I\c{s} Bankas{\i}(ISCTR)がケーススタディとして使用されている。
実験の結果,提案手法は株式市場予測タスクにおいて顕著な結果を得た。
関連論文リスト
- Do Weibo platform experts perform better at predicting stock market? [0.8999666725996978]
Weiboのソーシャルネットワーキングプラットフォームは、感情データ収集のソースとして使用されている。
Weiboのユーザは、認可金融アドバイザー(AFA)と無認可金融アドバイザー(UFA)グループに分けられる。
香港ハンセン指数は、歴史的株式市場の変化データを抽出するために使用されている。
論文 参考訳(メタデータ) (2024-02-12T10:04:54Z) - Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。
シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。
ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
論文 参考訳(メタデータ) (2023-10-02T12:33:28Z) - Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-08-18T16:21:15Z) - HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and
Regime-Switch VAE [113.47287249524008]
オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。
本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。
4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
論文 参考訳(メタデータ) (2023-06-05T12:58:13Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and
Large Language Models [57.70351255180495]
当社はChatGPTを使用して、各見出しが企業の株価に対して良いか悪いか、中立かを評価する。
また,ChatGPTは従来の感情分析法よりも優れていた。
ChatGPT-4に基づくロングショート戦略はシャープ比が最も高い。
論文 参考訳(メタデータ) (2023-04-15T19:22:37Z) - Stock Broad-Index Trend Patterns Learning via Domain Knowledge Informed
Generative Network [2.1163070161951865]
本稿では、市場固有の特性を意図的に設計したインデックスGANを提案する。
また、実数列と予測列の間のワッサーシュタイン距離を近似するために批判を利用する。
論文 参考訳(メタデータ) (2023-02-27T21:56:56Z) - Volatility forecasting using Deep Learning and sentiment analysis [0.0]
本稿では、市場ボラティリティを予測するための感情分析と深層学習を融合した複合モデルを提案する。
次に、過去の感情と前日の変動を利用して予測を行う合成予測モデル、Long-Short-Term-Memory Neural Network法について述べる。
論文 参考訳(メタデータ) (2022-10-22T14:54:33Z) - Deep learning based Chinese text sentiment mining and stock market
correlation research [6.000327333763521]
我々は、ストックバーなどの金融フォーラムデータをクロールして、感情分析のためのディープラーニングモデルと組み合わせる方法について検討する。
本稿では、BERTモデルを用いて、財務コーパスに対するトレーニングを行い、SZSE成分指数を予測する。
得られた感情特徴は、株式市場の変動を反映し、予測精度を効果的に改善するのに役立つだろう。
論文 参考訳(メタデータ) (2022-05-10T08:35:33Z) - Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics
in Limit-Order Book Markets [84.90242084523565]
伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。
最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。
予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
論文 参考訳(メタデータ) (2022-03-07T18:59:54Z) - HIST: A Graph-based Framework for Stock Trend Forecasting via Mining
Concept-Oriented Shared Information [73.40830291141035]
近年,Webから抽出したストック概念を用いて共有情報をマイニングし,予測結果を改善する手法が提案されている。
これまでの研究では、ストックとコンセプトのつながりは定常的であり、ストックとコンセプトのダイナミックな関連性を無視していた。
本稿では,事前定義された概念と隠れた概念から,概念指向の共有情報を適切にマイニングできる新しいストックトレンド予測フレームワークを提案する。
論文 参考訳(メタデータ) (2021-10-26T14:04:04Z) - A Comprehensive Review on Summarizing Financial News Using Deep Learning [8.401473551081747]
自然言語処理技術は通常、そのような大量のデータを扱うために使われ、そこから貴重な情報を得るのに使用される。
本研究では,BoW,TF-IDF,Word2Vec,BERT,GloVe,FastTextなどの埋め込み技術を用いて,RNNやLSTMなどのディープラーニングモデルに入力する。
ディープリーミングは、望まれる結果を得るか、最先端技術よりも高い精度を達成するために適用されることが期待された。
論文 参考訳(メタデータ) (2021-09-21T12:00:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。